A Review of Sustainability Concept in Urban Travel Planning Considering Energy and Environmental Emphasis
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 770
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UUSD01_0717
تاریخ نمایه سازی: 17 خرداد 1394
چکیده مقاله:
World oil demand is projected to increase` more than 40% by 2030 which is mainly from Asian countries like China and India, where transportation industries are rapidly expanding. Transportation accounts for almost 20% of the world’s energy consumption and more than 50% of the consumption of liquid fuels. In the year 2030, the transportation sector alone will consume the same amount of liquid fuel as that consumed by all sectors in 2003; this fact necessitates development of the travel demand modelling based on fuel consumption. Consequently the purpose of this research is to investigate the impact of fuel consumption patterns on travel demand estimation. This paper evaluates and calibrates travel demand estimation and its relation to fuel consumption by CUBE software for Shiraz city, with use of data which was provided by Sharif University for centre of Fars province, Iran in 1999. This research proves that the basic role and model relationships fit well along vehicle fuel use (CNG, LNG, Gasoil, and Gasoline) and generating trips by exogenous and endogenous variables. We use this model to explore the effect of energy consumption patterns on generation and distribution stage of travel demand modelling based on inverse ability.
کلیدواژه ها:
نویسندگان
Ali Hakimelahi
Research scholar, IIT Bombay, Mumbai, India
K V Krishna Rao
Professor, IIT Bombay, Mumbai, India
S. L. Dhingra
Professor, IIT Bombay, Mumbai, India
Sina Borzoei
Research scholar, Politecnico di Torino, Italy
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :